IA pode prever quais pacientes com insuficiência cardíaca piorarão em um ano

Pesquisadores do MIT, do Mass General Brigham e da Harvard Medical School desenvolveram o PULSE-HF, um modelo de aprendizado profundo que prevê mudanças na fração de ejeção do ventrículo esquerdo em até um ano para pacientes com insuficiência cardíaca.
O modelo usa eletrocardiograma e foi validado em três cohorts — Mass General Hospital, Brigham and Women’s Hospital e MIMIC‑IV — mostrando acurácia entre 0,87 e 0,91 na previsão da queda da fração de ejeção.
Se houver previsão de piora, o acompanhamento pode ser priorizado; pacientes com menor risco podem reduzir visitas ao hospital e o tempo com eletrodo em ECG de 12 derivações.
Existe uma versão de uma derivação de ECG que performa tão bem quanto a de 12 derivação, facilitando o uso em cenários de recursos limitados.
O próximo passo é testar o modelo em estudo prospectivo com pacientes reais, enfrentando desafios como coleta e limpeza de dados de ECG e ecocardiogram.

O MIT, Mass General Brigham e a Harvard Medical School desenvolveram um modelo de deep learning para prever, com até um ano de antecedência, a evolução da insuficiência cardíaca em pacientes. O estudo apresentou o PULSE-HF, sigla para Predict changes in left ventricular Systolic function from ECGs of patients who Heart Failure, em artigo na Lancet eClinical Medicine. O objetivo é orientar o acompanhamento clínico e a alocação de recursos.

O projeto foi realizado no laboratório do professor Collin Stultz, ligado ao MIT Abdul Latif Jameel Clinic. Os dados foram validados em três cohorts diferentes: hospital de Mass General, Brigham and Women’s e o conjunto MIMIC-IV, público. O modelo analisa ECGs para prever queda da fração de ejeção do ventrículo esquerdo (LVEF) nos próximos 12 meses.

O que a ferramenta faz

PULSE-HF utiliza eletrocardiograma para prever se a fração de ejeção deverá ficar abaixo de 40% dentro de um ano, o que caracteriza piora significativa da função cardíaca. Caso indique piora, o acompanhamento pode ser priorizado, reduzindo visitas desnecessárias e o tempo de exames como o ECG de 12 derivações.

Desempenho técnico e formatos

Em validação, o modelo atingiu AUROC entre 0,87 e 0,91 nos três conjuntos de dados, sinalizando boa capacidade de discriminação. Uma versão adaptada funciona com ECG de único eletrodo, sem demandar o conjunto completo de 12 derivações, mantendo desempenho robusto.

Desafios e próximos passos

O desenvolvimento envolveu coleta e limpeza de dados de ECG e de ecocardiogramas, com o desafio de associar rótulos de treinamento quando nem sempre estão disponíveis. Os autores pretendem testar o PULSE-HF em estudo prospectivo com pacientes reais para confirmar sua utilidade clínica.